多模态图像智能目标识别对抗攻击

基于深度学习模型的新一代智能化多模态(可见光/红外/雷达)图像识别系统已逐步在航空航天情报侦察、人机交互增强作战系统、无人作战平台自动图像目标识别以及多模复合图像末制导等多个军事场景中得到广泛应用。然而,由于深度神经网络模型在理论上存在不完备性和对抗脆弱性、多模态图像目标识别深度网络结构设计与优化在工程上存在迁移性等因素,使得现有识别系统在鲁棒准确性方面评估不足,给系统在未来战场复杂对抗场景中的广泛部署带来极大的安全隐患。为此,本文通过研究多模态图像智能目标识别系统军事场景应用的风险模型,分析系统存在的潜在攻击面,开展基于深度神经网络的多模态图像识别对抗样本攻击技术和对抗鲁棒准确性评估等关键技术研究,以期提升系统在复杂电磁环境条件下的鲁棒性和准确性。     

基于Petri网的指挥控制系统仿真

指挥控制系统是一个具有分布、并发、异步等特性的复杂系统,Petri网是描述具有此类特征系统的有效工具.提出了基于Petri网的指挥控制系统仿真平台的具体设计方案.介绍了仿真平台的实现方法和程序的设计思路,实现了对普通Petri网、X1系统的建模,进行了功能和结构上的分析,并对分析结果的现实意义作了进一步的讨论.     

基于模糊Petri网的实时系统功能模型构建

Petri网在描述具有模糊行为的系统时是有缺陷的,为了更好地分析、评价和开发实时系统,提出了一种利用模糊Petri网构建实时系统功能模型的方法,阐述了模糊Petri网的基本原理,详细介绍了利用模糊Petri网的特征分析实时系统的功能及绘制实时系统功能模型的步骤。     

军事概念建模形式化描述语言比较分析

军事概念模型是对军事行为空间进行的第一次抽象,它对军事系统表达的准确性和合理性将是作战仿真模拟质量的关键.随着分布交互仿真和大规模作战仿真的需要,概念模型的通用性和规范化已开始受到人们重视.针对军事系统的复杂性,在众多的建模语言中,选用何种语言进行军事概念建模值得深入研究.IDEF、UML和Petri网是三种应用广泛、功能较强的建模语言,适合复杂系统建模.分析比较了它们的优缺点,探讨了三种方法综合运用的思路,最后给出了一个军事概念建模的实例.     

低温等离子体用于高功率微波防护研究

等离子体对于高功率微波的攻击具有独特的防护效果。基于等离子体流体近似方法,利用COMSOL软件研究了高功率微波与柱状等离子体阵列相互作用过程中入射电场随时间的演变过程,分析了等离子体防护高功率微波的物理过程和作用机理。研究结果表明,入射的高功率微波会使等离子体参数发生剧烈变化,特别是其电子密度将急剧增加,从而使等离子体对入射的高功率微波表现出类似金属的电磁特性,最终实现对入射高功率微波的有效防护。此外,利用高频辉光放电产生柱状等离子体阵列,通过实验验证了等离子体对高功率微波的防护作用。最后,总结了基于等离子体的高功率微波防护技术需解决的主要问题。     

基于贪婪算法的影响网络行动方案优选

针对影响网络中行动方案的优选问题,分析了现有方法存在的不足,提出了一种基于贪婪算法的行动方案优选方法。该方法采用自顶向下的搜索方式,通过分析行动组合对期望效果的整体影响来选择较优的行动方案。并进行实例验证。结果表明,与灵敏度分析法和穷举搜索法相比,该方法能够在较短时间内找到较优的可行行动方案集合,可有效支持行动方案的优选。     

小学生教育戏剧的机会生成与演化——基于知识建构理论的《西游记》阅读教学实践

本研究追踪了某小学四年级《西游记》的知识建构阅读教学,发现学生的教育戏剧生成与发展过程:第一阶段是真实问题探究所引发的、偶发性的、零星片段的演出,可以看作教育戏剧的自发性萌发;第二阶段是不同情境片段探究中形成的《西游记》故事的系列表演,可以看作教育戏剧的多元化实践阶段;第三阶段是系统性阅读中逐步形成了戏剧与表演理论,可以看作教育戏剧的理论体系构建。这三个阶段反映了学生自发的教育戏剧形成过程的一般规律,也体现了知识建构教学中生成性课程的演化过程。了解其细节,一方面可以作为生成性教育戏剧的研究素材,另一方面可以作为教师开展相应的阅读教学、教育戏剧可资借鉴的经验。     

航天测控系统任务可靠性分析的EOOPN模型

提出了一种可用于航天测控系统任务可靠性分析的扩展面向对象Petri网（extend object-oriented Petri nets, EOOPN）模型,旨在对给定的航天测控方案进行可靠性评估分析。针对问题特点明确了OOPN扩展思路,给出了EOOPN模型的形式化定义、运行规则和建模步骤,模型通过引入公共库所、激发弧、消息变迁和消息处理函数等概念,体现了面向对象的思想,具有很好的层次性和模块性。所建立的EOOPN模型能够完整的描述航天测控系统的组成和任务特点。通过对算例模型仿真运行,表明实验结果具有良好收敛性,与Markov解析值对比误差在1%以内,从而验证了模型的有效性。     

Visual-simulation region proposal and generative adversarial network based ground military target recognition

Ground military target recognition plays a crucial role in unmanned equipment and grasping the battlefield dynamics for military applications, but is disturbed by low-resolution and noisy-representation. In this paper, a recognition method, involving a novel visual attention mechanism-based Gabor region proposal sub-network (Gabor RPN) and improved refinement generative adversarial sub-network (GAN), is proposed. Novel central–peripheral rivalry 3D color Gabor filters are proposed to simulate retinal structures and taken as feature extraction convolutional kernels in low-level layer to improve the recognition accuracy and framework training efficiency in Gabor RPN. Improved refinement GAN is used to solve the problem of blurry target classification, involving a generator to directly generate large high-resolution images from small blurry ones and a discriminator to distinguish not only real images vs. fake images but also the class of targets. A special recognition dataset for ground military target, named Ground Military Target Dataset (GMTD), is constructed. Experiments performed on the GMTD dataset effectively demonstrate that our method can achieve better energy-saving and recognition results when low-resolution and noisy-representation targets are involved, thus ensuring this algorithm a good engineering application prospect.     

C3I 系统时延的 PETRI网络分析

根据Petri网络结构分析C~3I系统的时延性能,并用计算机软件实现,给出了典型系统的实验结果。